[发明专利]一种静态场景的机器人路径规划方法

说明书

本发明公开了一种静态场景的机器人路径规划方法，包括如下步骤：获取周围静态场景信息，生成栅格地图；对栅格地图上的栅格进行标记，包括障碍、无障碍、起点和终点，对标记为障碍的栅格作九宫格划分，标记伪障碍或真障碍；在标记好的栅格地图上执行改进后的A*算法；从终点开始读取栅格的父栅格，直至读取到起点，记录读取过程中经过的栅格，这些连接起点和终点的栅格即为机器人的路径，通过计算路径相邻栅格的方向向量夹角来计算机器人在运动过程中的偏移角度。本发明所公开的方法可以在提高路径规划精度的情况下使用较低的存储资源，路径规划速度快，准确率高。

技术领域

本发明涉及机器人路径规划方法，特别涉及一种静态场景的机器人路径规划方法。

背景技术

路径规划是机器人自主无碰行动的核心内容之一，路径规划常常由地图和在地图上执行的搜索算法组成。

栅格地图是目前广泛应用的路径规划地图之一。栅格地图把移动机器人的运动环境分解为多个简单的栅格，并根据它们是否被障碍物占据来进行状态描述。障碍物栅格和非障碍物栅格具有不同的标识，可用颜色填充栅格来直观地表示栅格的标示状态。细致的栅格划分能有效提高路径规划的精度，但必然会导致花费较多的资源来存储地图，粗糙的栅格划分能有效降低资源的损耗，但存在将可通过区域视为障碍的情况。为此，需要对栅格地图的划分进行改进，在提高路径规划精度的情况下使用较低的存储资源。

为了能够在地图上快速地找到一条从起点出发到达终点的最优或最短路径，研究者们提出了诸如Dijkstra算法，蚁群算法和A*算法等经典算法。其中，A*算法属于启发式搜索算法，相比于Dijkstra算法添加了启发函数，在路径搜索过程引入了终点信息加以引导。现有的A*算法不能直接应用于改进后的栅格地图，因此，需要对A*算法进行适应性改进，以便于在改进后的栅格地图上进行路径规划。

发明内容

为解决上述技术问题，本发明提供了一种静态场景的机器人路径规划方法，用粗细混合划分的方法，将栅格地图内的栅格划分为无障碍栅格，真障碍栅格和伪障碍栅格，并且应用改进后的A*算法在栅格地图上进行路径规划，以达到在提高路径规划精度的情况下使用较低的存储资源的目的。

为达到上述目的，本发明的技术方案如下：

一种静态场景的机器人路径规划方法，包括如下步骤：

步骤一：机器人上搭载的传感器获取周围静态场景信息，生成栅格地图；

步骤二，对栅格地图上的栅格进行标记，包括障碍、无障碍、起点和终点，对标记为障碍的栅格作九宫格划分，若划分后的九宫格中仅单行或单列存在障碍，则将该栅格标记为伪障碍，反之标记为真障碍；

步骤三，在标记好的栅格地图上执行改进后的A*算法，将起点添加到open表中，执行循环操作，计算栅格的父栅格和损失，不断更新和维护open表和close表，直到open表为空或者终点出现在open表中；

当open表为空，且未遍历到终点，则表示无路径，终点为死点，结束；当终点出现在open表中，此时路径已经找到，跳出循环，执行下一步；

步骤四，从终点开始读取栅格的父栅格，直至读取到起点，记录读取过程中经过的栅格，这些连接起点和终点的栅格即为机器人的路径，通过计算路径相邻栅格的方向向量夹角来计算机器人在运动过程中的偏移角度。

上述方案中，所述栅格地图的基本栅格单元为正方形，正方形栅格为可使机器人自转一圈的最小正方形；对于每个栅格定义三种坐标，分别为：

描述机器人在栅格地图中位置的主坐标：(x,y)；

描述机器人中心在栅格内部位置的副坐标：(i,j)；

描述机器人中心在栅格地图中的实际位置的中心坐标：(3×x+i,3×y+j)。

上述方案中，所述步骤三具体如下：